文献

J-GLOBAL ID：201802215410652681   整理番号：18A0343023

サポートベクトル学習のための意思決定面付近の試料の発見【Powered by NICT】

Finding the samples near the decision plane for support vector learning

著者 (7件)： Zhu Fa (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, PR China) ,  Zhu Fa (Centre for Quantum Computation & Intelligent Systems and the Faculty of Engineering and Information Technology, University of Technology, Sydney NSW 2007, Australia) ,  Yang Jian (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, PR China) ,  Gao Junbin (Discipline of Business Analytics, University of Sydney Business School, University of Sydney, NSW 2006, Australia) ,  Xu Chunyan (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, PR China) ,  Xu Sheng (Department of Geomatics Engineering, University of Calgary, Canada) ,  Gao Cong (Department of Computer Science, University of Regina, Canada)
資料名： Information Sciences  (Information Sciences)
巻： 382-383  ページ： 292-307  発行年： 2017年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： サポートベクトルマシン(SVM)の意思決定面は訓練集合の中の少数のサポートベクトル(SV)により決定される。異なるクラス間重複領域が存在するならば,SVは主に重なり領域に位置していた。多くのアプローチは,訓練集合を凝縮するために重複領域における試料を見つけるために提案されている。しかし,訓練集合の中の重複領域ではないならば,これらのアプローチの性能を劣化させる。本論文では,拡張された最隣接鎖は異なるクラス間の重複領域の分解性能を避けるために意思決定面近傍の試料を見つけるために提案した。実験結果は,提案した方法が人工合成データセットだけでなく,ベンチマークデータセット上で以前のものよりも優れていることを実証した。さらに,提案した方法は以前のものよりも高い圧縮比を得ることができた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： サポートベクトルマシン ,  *学習 ,  *意思決定

著者キーワード (4件)： データ前処理 ,  拡張最隣接鎖 ,  SVM ,  部分集合選択

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： ベクトル ,  学習 ,  意思決定 ,  試料 ,  発見